基于包含度的不一致决策表规则获取

基于包含度这一描述不确定性关系的有效度量方法,依据决策表中包含的确定信息与不一致规则本身信息,对不一致决策表进行修正,进而获取较理想的决策规则,并通过实例进行验证．     

基于图论的协调多尺度决策表的最优尺度约简

多尺度决策表是基于现实世界数据具有多尺度背景提出的一种模型。如何对多尺度决策表进行最优尺度约简是一个难题。通过构造多尺度辨识矩阵,探究辨识矩阵性质,并给出辨识矩阵与最优尺度约简的相关关系。将辨识矩阵与图论结合起来给出最优尺度约简的快速算法,最后通过数值实验验证所提出算法的有效性。     

协调多源决策表的规则提取

规则提取是知识发现的一个重要研究方向.多源数据是一类重要的数据集,从不同的角度对多源数据进行规则提取可为决策行为提供更加可信的依据.以多源决策表为数据基础,首先以数据源和决策规则的结论为切入点,提出两类多源决策规则的概念及其支持度和覆盖度的刻画方式;其次,分析这两类多源决策规则之间的联系;最后通过引入单源化决策表的定义,研究这两类多源决策规则的获取方法,并基于此讨论了两类多源决策规则的简化方法 .     

不协调决策信息系统的一种协调化算法

对于条件属性值一致而决策结果不一致的决策信息系统,提出一个根据系统中的不协调规则特点,利用系统中协调规则的信息使该系统变为协调决策信息系统的算法,并通过实例进行验证.     

多值不完备决策表的属性约简方法

在许多情况下．现实世界的信息系统是不完备的．考虑包含不确定性和不精确性两种因素的不完备信息系统，建立了一种推广的粗糙集模型并对这种情况下的不完备决策表进行分析．研究了属性约简的方法，根据约简生成了决策规则。     

决策表决策值的简化

首先定义了决策规则决策属性的简化，并以此为基础定义了决策表决策值的简化，旨在研究决策表条件值简化的对偶问题，即在保持决策表条件属性集不变的前提下它的条件属性集和决策属性集之间的最简函数关系。在这些定义的基础上，给出了决策规则决策属性简化的表达式和决策表决策值简化的表达式。     

基于属性分辨度的不完备决策表属性约简算法

针对现有不完备决策表属性约简算法复杂度较高的问题,提出了基于属性分辨度的属性约简算法.文中分析了不完备决策表中条件属性相对于决策重要性的外在表现,提出了属性分辨度的概念,并给出了属性分辨度随着约简属性集的变化而动态更新的计算方法.该算法在属性约简过程中会不断删除已经属于正域的对象或不影响正域计算的相容块,通过降低样本数据的规模来减少计算耗时,加速属性约简.理论分析和仿真实验表明,文中算法是有效的,并且算法复杂度优于现有的不完备决策表属性约简算法.     

不相容决策表属性约简计算的一个可辨识矩阵方法

基于Skowron可辨识矩阵求属性约简的分辨函数方法只适合于相容的决策表,对于不相容的决策表,该方法可能产生错误的结果.对Skowron方法进行改进,提出一个计算不相容决策表属性约简的可辨识矩阵方法,并给出方法正确性的证明.     

不协调决策表的属性约简模型及规则提取

基于广义决策分布函数介绍了不协调决策表的属性约简模型,并对相关模型进行了研究,得出了相关结论;最后,给出了各种模型的规则提取方法。     

基于粗糙集和包含度理论的决策规则提取方法

粗糙集理论是一种处理模糊和不确定知识的数学工具，正越来越被人们所重视．首先介绍了集值信息系统和粗糙集理论的相关知识，说明经典信息系统可以作为简单的集值信息系统处理。然后在集值信息系统中，以粗糙集理论为基础，引入包含度的概念，介绍包含度的几种生成方法，建立包含度的知识发现方法，最后通过具体的例子说明这种决策规则提取方法是有效的．     

基于等价类的不一致决策表约简改进算法

对Rough集的属性约简进行分析,特别针对不一致决策表,提出一种新的约简算法。算法通过等价类消除决策表不一致性,然后利用传统算法进行约简,并用实例证明算法可行性。     

一种不完备决策表的改进约简算法

由于在现实中,大部分信息系统是不完备的,有可能是不一致的。所以,针对现有属性约简算法的不足,在覆盖粗糙集理论和最大一致块技术的基础上提出了一种新的运用表存储可辨识属性集的不完备决策表的改进约简算法,该算法同时适用于一致决策表和不一致决策表,通过算法可求得决策表属性集的上约简、下约简,实现决策表的属性约简,有效地降低了算法的空间复杂度,提高了算法效率,具有一定的现实指导意义。     

基于决策支持度的不完备信息系统约简算法

提出了一种基于决策属性支持度的属性相对约简算法。通过引入决策属性支持度对不完备决策表中属性的重要性进行了定义,并以此作为启发信息进行属性的选择,该算法的时间复杂度是多项式的。寻找决策表中最小相对约简问题是典型的NP-hard问题,采用该算法可降低问题复杂度。通过实例说明,该算法能得到不完备决策表的最小相对约简。     

不一致决策表的分配序约简

在不一致决策表中定义了分配序约简，给出分配序一致集的判定定理。通过定义分配序区分矩阵给出求分配序约简的区分矩阵法。为克服区分矩阵法时间复杂度随系统大小的增加而指数增长的缺陷，通过定义属性的相对重要性，提出一种求分配序约简的启发式算法。通过实例分析说明启发式算法的有效性，为从不一致决策表中获取知识提供了一种有效方法。     

决策表决策值的简化

首先定义了决策规则决策属性的简化,并以此为基础定义了决策表决策值的简化,旨在研究决策表条件值简化的对偶问题,即在保持决策表条件属性集不变的前提下它的条件属性集和决策属性集之间的最简函数关系。在这些定义的基础上,给出了决策规则决策属性简化的表达式和决策表决策值简化的表达式。     

基于聚类分析的决策表约简

基于粗糙集方法提出了一种系统的决策表约简和决策规则提取方法. 为了避免现有属性离散化方法的不足,使用多元统计中的聚类分析,并借助树形图,R2、半偏相关以及伪F统计量,对连续属性进行离散化处理,得到适合粗糙集方法要求的决策表. 在此基础上,简化了基于可辨识矩阵和逻辑运算的传统属性约简算法,并完善了启发式算法进行属性值约简和决策规则提取. 最后,以应用实例验证了该方法的可行性和有效性.     

不完备决策表的一种属性约简方法

粗糙集理论是一种处理不确定性问题的数学工具.论文应用粗糙集理论研究不完备决策表的属性约简问题,针对非对称相似关系提出了不完备决策表中正域协调集的概念,并讨论了它的基本性质,给出了正域协调集的充分必要条件,借助区分函数给出了计算正域约简的方法.     

基于知识粒度的不完备决策表求核方法

为降低不完备决策表求核算法的时间复杂度,本文构造了粒度二进制的差别矩阵.然后定义属性重要性及相应的核,由此设计了一个基于不完备决策表的粒度二进制差别矩阵的求核算法,并分析新算法的时间复杂度,其时间复杂度降为max{O(|C||U||Upos|),O(K|C||U|)},优于同类算法的时间复杂度,最后用实例说明了该算法的有效性.     

粗糙模糊决策表概率决策分析的扩展粗糙集方法

应用λ-截集将决策类中的模糊集合转换为普通集合,在此基础上推广了粗糙隶属函数,讨论了其中的一些集合理论性质,通过设定置信阈值参数α,提出了一种可以从粗糙模糊决策表中获取概率决策规则的扩展粗糙集方法,并设计了一种改进的快速约简算法,最后给出了该方法的一个算例.研究结果表明,提出的方法可从冗余的且有噪声的粗糙模糊决策表中获取用于指导实践的概率决策知识.